UHCW NHS Trust, IBM Consulting® und Celonis SE gründeten ein eng gestricktes, gemischtes Team, um die ambulanten Leistungen des Trusts über die Perspektive auf Patientenerfahrung und Gesundheitsergebnisse zu analysieren. Der Ansatz kombinierte das IBM Garage-Modell, das KI-gestützte Process Mining von Celonis, die führenden Datenanalyseverfahren des UHCW NHS Trust und seine laufenden Aktivitäten zur betrieblichen Verbesserung.
Das gemischte Team analysierte mehr als eine halbe Million pseudonymisierte Patientenreisen anhand der operativen Daten des Trusts sowie persönliche Recherchen und Interviews mit Mitarbeitern, die im Mittelpunkt des Prozesses standen. Diese Analyse wurde mit pseudonymisierten demografischen Daten überlagert, um sicherzustellen, dass die Ergebnisse und Interventionen die gesundheitlichen Ungleichheiten nicht verschärften. Dieser einzigartige Ansatz führte dazu, dass Verbesserungsmöglichkeiten und Interventionen in einem Zeitraum von Wochen statt von Monaten umgesetzt werden konnten.
Eine dieser Verbesserungen konzentrierte sich auf die Vorgehensweise des UHCW NHS Trust im Hinblick auf verpasste Patiententermine – bekannt als „Did Not Attends“ (DNAs) –, die bei Menschen mit hohen Deprivationswerten häufiger vorkommen. Nachdem zwei SMS-Erinnerungen gesendet wurden, wurde ein Team von IBM Garage™ genutzt, um zu untersuchen, wie sich die Wahrscheinlichkeit einer erneuten Buchung dieser Termine erhöhen lässt. Anschließend stellten sie fest, dass der Trust durch eine Anpassung des Zeitpunkts dieser SMS-Erinnerungen – eine frühere Benachrichtigung an die Patienten 14 Tage vor ihrem Termin und eine weitere vier Tage vorher – die Zahl der rechtzeitigen Absagen in der Kohorte, die für zwei SMS-Nachrichten in Frage kam, erhöhen konnte, sodass diese Termine möglicherweise wieder genutzt werden konnten.
Im Rahmen des Projekts haben IBM und der UHCW NHS Trust auch die IBM® watsonx.ai™ Technologie pilotiert, um maschinelle Lernmodelle zu trainieren, abzustimmen und einzusetzen, die das Krankenhauspersonal bei der Planung und Validierung von Patienten auf der Warteliste unterstützen. Und die Lösung nutzt generative KI-Fähigkeiten (Gen AI), um klinische Briefe zu lesen und den Status der Patienten auf der Warteliste zu überprüfen.